Kimi K3.1 Proの公開は、オープンウェイトモデルとクローズドなフロンティアとの差をさらに縮めた。2カ月前、われわれはZ.aiのCEO、Jie Tang教授が「年末までにFable級のオープンウェイトモデルが登場する」と予測したことを報じた。2週間前、MetaはクローズドソースでFable級のモデルを達成した。そして年末まで2.5カ月を残した今、ついにそれは現れた——2.8Tのオープンウェイトモデルで、しかもFable 5だけでなくFable 5.1を上回り、効率もさらに良い。Kimiが最新モデルを誇りに思っていることは、洗練されたランディングページからも分かる。
例によって研究の詳細は多くない。今回の更新はZ.aiの5.2から5.3への引き上げに似ており、マイナーバージョンの更新でありながら、ポストトレーニングの計算量は大幅に増えている。公式の説明によれば、Kimi K3.1 ProはKimi K3のポストトレーニング版であり、ポストトレーニングの計算量が大幅に拡大されている。数百の下流ドメインにまたがる大規模なジョイントRLを可能にするため、RLフレームワーク、長文脈推論、学習効率、サンドボックス基盤、ロールアウトのスケジューリング、環境品質チェック用の共有プラットフォームといったスタックの各層を最適化し、RL計算量の増加分が安定して予測可能なリターンをもたらすようにした。その結果、K3.1 Proはあらゆるドメインで一貫した改善を達成している。
まず公開状況を整理する。MoonshotはKimi K3.1 Proを発表し、独立系ベンチマークではフロンティアに近い結果を示し、モデルサイズを大幅に拡大し、2026年11月4日のオープンウェイト公開を約束した。モデルについてMoonshotは、K3.1 Proをマルチモーダルな「3T級」のMixture-of-Expertsモデルと説明し、総パラメータ2.8兆、活性パラメータ1040億、コンテキストウィンドウ100万トークンとする。宣伝されている強みは、プロジェクト全体のコーディング、Blender/CAD作業、金融モデリング、長時間実行するエージェントなどだ。提供状況としては、Standard版とHighspeed版がKimiのウェブサイト/アプリ、Kimi Work、Kimi Code、APIで公開された。MoonshotはHighspeedが知能を保ちながら出力を2〜3倍速く生成すると主張し、公式アカウントの要約では価格が2倍だとしている。今回の発表にはKimi Hosted Agentsも含まれ、これは長時間の作業やマルチエージェント協調のための24時間365日の実行環境を備えたマネージドハーネスだ。
公開時点でAPIは利用可能だったが、ウェイトは未公開だった。Moonshotの発表は2026年11月4日までのウェイト公開を約束している。提示されたツイートからは、最終的なライセンス、再配布条件、商用利用の制限、チェックポイントの精度、完全な推論要件は確定できない。したがって「まもなくオープンウェイト」の方が、一部の反応で使われた「OSS」や「オープンソース」という表現より正確だ。Artificial Analysisはウェイトを未公開と明示的に記録している。公開の順序には混乱も生じた。初期報道は「本日」公開され最強のオープンウェイトモデルになる可能性があると噂に基づいて予測し、続報も好意的な伝聞を繰り返したが、いずれも評価ではなかった。ティザーは11月5日に関する憶測を呼び、Moonshotがウェイト公開前にウェブサイトアクセスで収益化するかどうかも話題になったが、公式発表は後に11月4日と明記した。初期ユーザーはkimi.aiより先にkimi.comで利用可能になったと報告し、別のユーザーは後にアクセスを得たと報告した。これらはロールアウトの観察であり、恒久的な地域制限の証拠ではない。
アーキテクチャ面では、1040億の活性パラメータは1040億の密モデルを保存するのと同等ではない。展開時にははるかに大きなエキスパートプールと実行時の状態を収容する必要がある。説明のための計算——実測構成ではない——として、2.8兆パラメータだけでも16ビットで約5.6TB、4ビットで約1.4TBとなり、量子化メタデータやサービングのオーバーヘッドは含まない。提示された投稿には、層のレイアウト、エキスパートルーティングの構成、アテンション設計、学習計算量の予算、実測のフルコンテキスト時のサービング占有量は開示されていない。これは「ローカルモデル」という物語にとって重要だ。ある熱心な投稿はFable 5.1の知能がローカルで得られると述べた後、ウェイトは11月4日に来ると訂正した。別の投稿者は、展開に大規模なアクセラレータ基盤が必要なのに兆パラメータモデルを「ローカル」と呼ぶべきでないと警告した。自己ホスト可能であることとコンシューマーデバイスでローカルに動くことは別の性質だ。今回の公式発表にFlashモデルはなく、反応は落胆から「Pro」という名称が後に小さい版が出ることを示すという憶測まで幅があった。
独立評価について、Artificial Analysisはこのまとめの中で最も強い広範な独立証拠を提供している。K3.1 ProはIntelligence Indexで4位、スコア55で、Opus 5.5の58、Sonnet 5.5とMuse Wonder Fullの56に続く。最も改善したのは知識や科学のテスト全体に均等に分布したのではなく、エージェント能力だった。AAはさらにAA-Omniscienceで精度が48%から51%に上昇し、幻覚率が53%から44%に低下したと報告している。これは同評価での9ポイントの幻覚減少であり、Moonshotが宣伝する金融作業での65%削減とは同じ測定ではない。AAは、ウェイトが公開されれば、オープンとプロプライエタリのIntelligence Indexの差が12ポイントから3ポイントに縮まると述べている。
コーディングでは、ArenaはCode Arena: WebDevで8位、1692ポイントとし、Kimi K3から9位上昇、37ポイント改善した。MoonshotはArenaのトップ4ラボに戻った。Brand & Marketingは9位から7位、Simulationsは20位から9位に上昇した。Arenaは全カテゴリで改善し、公開後にはDeepSeek V4.1 Flashを抜いて最高位のオープンウェイトモデルになるとしている。これらの設定ではおおむねOpus 5 Maxに匹敵し、新しいOpus 5.5に必ずしも及ぶわけではない。別の集計は公開ベンチマークに基づく暫定ECI 164.7を示し、90%ブートストラップ区間は152.5〜169.0だった。投稿者は後に160〜165が妥当な範囲だと示唆した。これは不確実な集計であり、別に独立実行されたタスクスイートではない。
サイバーセキュリティについては、サイバー関連の学習を意図的に減らしたにもかかわらず、Artificial AnalysisのCyber Indexで64%を記録した。これは公開利用可能な結果としては最高で、全体では信頼アクセスのGPT-6 Sol Daybreak Blueの69%に次ぐ2位だ。K3.1 ProはK3の41%から23指数ポイント改善し、特にCyberGymの58%から95%への上昇が寄与した。AAはそのタスクで安全上の拒否を観察しなかった。Moonshotの特徴的な安全介入は、推論時の拒否だけに頼らず、中間学習と強化学習からサイバー関連データを除去したことだ。報告を引用する投稿によれば、内部スコアは90.5%から81%へ9.5ポイント低下した一方、コーディングなどの能力は改善を続けた。Moonshotの示す反事実は、そうしなければ下流のサイバー能力が大幅に高まっていたというものだ。
価格は、標準のファーストパーティが入力100万トークンあたり2ドル、出力10ドル、キャッシュ入力0.2ドルで、K3の3/15/0.30から3分の1下がった。公式の中国語アカウントの要約では、未キャッシュ入力13元、出力68元、キャッシュ入力1.3元（100万トークンあたり）としている。Highspeedは標準の2倍の価格とされる。三つのコスト視点が重要だ。AA Intelligence Indexでは1タスク1.98ドルでK3とほぼ変わらず、Arena WebDevでは中央値1タスク1.23ドルでK3より29%低く、AA Cyber Indexでは1タスク2.81ドルでK3より15%高く、DeepSeek 1017よりはるかに高い。Intelligence IndexではK3.1 Proは1タスクあたり5.5万出力トークンを生成し、K3の4.8万より約14%多く、トークン単価の低下を一部相殺している。AAのサイバースイートでは入力トークン消費が約2倍になり、単価が下がってもタスクコストが上がった。Arenaのより詳細な比較では、1.23ドルという中央値タスクコストは、Opus 5 Maxより74%低く選好1ポイント上、GPT-6 Sol Maxより24%低く11ポイント上、Qwen3.8-Maxより47%低く20ポイント上となる。
発表時の解説は、標準価格がOpus 5.5の提示する4/20ドルより50%低く、Astraの10/50ドルより80%低いことを強調したが、これらの比較はトークンあたりの定価であり、成功したタスクあたりの実測コストではない。Terminal-Benchのコスト主張は反応間で一致していない。ある者はOpus 5.5より約3分の1のコストで優れるとし、Clineは半分のコストでほぼ同等だと述べた。異なるハーネス、設定、コスト計上で説明できるかもしれないが、提示されたテキストでは調整できない。Clineは後に、オープンウェイトへの割引アクセスをうたう月額9.99ドルのClinePassを通じた提供も発表した。
反応は二分された。オープンウェイトのフロンティア候補への熱意の後には、推論経済性、一部の対話的タスクでの弱さ、ベンチマークの提示方法、未開示の有償プロモーションへの疑惑といった懸念が続いた。これらは別個の問題だ。ベンチマークの質は展開の経済性を確立せず、プロモーション上の不正の疑惑はモデル能力を確立しない。予測から結果への反転も注目に値する。テスト前、あるコメンテーターはAA 52、Vals 65、CritPt V2 76、Terminal-Bench 4.0 49、WeirdML V3 約20公式/28最良、ECI 164と予測し、実際の性能はSonnet 5.5とGPT-6.1 Solを下回ると見ていた。公開後、同じコメンテーターは結果が予測を上回ったことを認め、K3と同じ価格で、AAではDeepSeek-1017より約10ポイント高いという結果を受け入れた。これらの初期数値は明示的に予測であり、漏洩した測定値ではない。